hdu 1102 Constructing Roads

本文详细介绍了使用最小生成树算法解决特定图论问题的过程。通过具体的代码实现,展示了如何利用并查集寻找图中各顶点间的最优连接路径,以达到最小化总权重的目的。此外,还涉及了数据结构的设计和优化,包括边的比较、查找与合并等关键操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>
using namespace std;
struct data
{
    int u,v,w;
}e[105*105];
int bin[100+5],use[100+5][100+5],mp[100+5][100+5];
bool cmp(data a,data b)
{
    return a.w<b.w;
}

int Find(int x)
{
    int s;
    for(s=x;bin[s]>=0;s=bin[s]);

    while(s!=x)
    {
        int t=bin[x];
        bin[x]=s;
        x=t;
    }
    return s;
}

void Union(int x1,int x2)
{
    int f1=Find(x1),f2=Find(x2);
    int temp=bin[f1]+bin[f2];
    if(bin[f1]>bin[f2])
    {
        bin[f1]=f2;
        bin[f2]=temp;
    }
    else
    {
        bin[f2]=f1;
        bin[f1]=temp;
    }
}

int main()
{
    int n,i,j,u,v,w,m,k,a,b;
    while(~scanf("%d",&n))
    {
        for(i=0;i<=n;i++) bin[i]=-1;
        for(i=1;i<=n;i++)
        {
            for(j=1;j<=n;j++)
            {
                scanf("%d",&mp[i][j]);
            }
        }

        scanf("%d",&k);
        memset(use,0,sizeof(use));
        for(i=0;i<k;i++)
        {
            scanf("%d%d",&a,&b);
            if(Find(a)!=Find(b)) Union(a,b);
            use[a][b]=use[b][a]=1;
        }
        m=0;
        for(i=1;i<=n;i++)
        {
            use[i][i]=1;
            for(j=1;j<=n;j++)
            {
                if(use[i][j]==0&&use[j][i]==0)
                {
                    e[m].u=i;
                    e[m].v=j;
                    e[m].w=mp[i][j];
                    use[i][j]=use[j][i]=1;
                    m++;
                }
            }
        }
        sort(e,e+m,cmp);
        int sum=0;
        for(i=0;i<m;i++)
        {
            u=e[i].u;
            v=e[i].v;
            if(Find(u)!=Find(v))
            {
                Union(u,v);
                sum+=e[i].w;
            }
        }
        printf("%d\n",sum);
    }
    return 0;
}

转载于:https://www.cnblogs.com/mfrbuaa/p/5276426.html

内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值